Erhalte unsere neuesten Artikel und Updates bequem per E-Mail
Viele Betriebe im Mittelstand nutzen ChatGPT oder vergleichbare Werkzeuge bereits einzeln und punktuell, etwa für Texte, Recherche oder E-Mail-Entwürfe. Der Schritt vom gelegentlichen Werkzeug zum festen Bestandteil eines Arbeitsablaufs bleibt jedoch oft aus, weil dafür klare Prozesse, definierte Schnittstellen und eine Verantwortlichkeit fehlen. Dieser Artikel zeigt, welche Voraussetzungen ein Unternehmen schaffen muss, damit KI nicht Spielerei einzelner Mitarbeiter bleibt, sondern messbar Zeit im Tagesgeschäft einspart. Anhand einer Modellrechnung, einer Entscheidungsmatrix und konkreter Stolperfallen entlang des Einführungsprozesses wird der Weg von der ersten Chatbot-Eingabe zum eingebetteten, wiederholbaren Ablauf nachvollziehbar gemacht.
In vielen Betrieben hat mindestens ein Mitarbeiter ChatGPT oder ein vergleichbares Sprachmodell schon einmal für eine E-Mail, eine Produktbeschreibung oder eine Recherche genutzt. Diese Nutzung bleibt jedoch häufig isoliert: Ein Mitarbeiter öffnet den Chat, tippt eine Frage, kopiert die Antwort in ein Word-Dokument oder eine E-Mail und schließt den Tab wieder. Für die einzelne Aufgabe mag das schneller sein als das Formulieren von Grund auf, doch ein Arbeitsablauf im eigentlichen Sinn entsteht dadurch nicht. Der Grund liegt in der Struktur der Nutzung selbst: Ohne feste Vorlage und ohne Anbindung an das Kundenmanagement-System oder die Auftragsverwaltung bleibt jede Anfrage an die KI eine Einzelaktion, die bei der nächsten ähnlichen Aufgabe komplett neu gestartet werden muss.
Das Statistische Bundesamt weist für 2025 aus, dass die Nutzung von KI-Technologien mit der Unternehmensgröße deutlich zunimmt. Größere Unternehmen setzen KI-Anwendungen also spürbar häufiger ein als kleine Betriebe [1]. Diese Verteilung lässt sich nicht allein mit unterschiedlichem Budget erklären, denn viele KI-Werkzeuge sind inzwischen zu geringen laufenden Kosten zugänglich. Naheliegender ist, dass größere Unternehmen eher über die Strukturen verfügen, um aus einer Einzelanwendung einen wiederholbaren Prozess zu machen: definierte Zuständigkeiten, dokumentierte Abläufe und IT-Ressourcen für die Anbindung an bestehende Systeme. Auch ergänzende Erhebungen des Statistischen Bundesamts zu IKT-Indikatoren bestätigen dieses Bild über verschiedene Wirtschaftszweige hinweg [2].
Wer im eigenen Betrieb prüfen will, wo die Nutzung von KI aktuell steht, kann eine einfache Frage stellen: Wird ein Ergebnis aus der KI-Anwendung an mehr als einer Stelle im Unternehmen wiederverwendet, ohne dass jemand es manuell überträgt? Wird diese Frage verneint, handelt es sich um eine Einzelanwendung, unabhängig davon, wie oft sie genutzt wird. Eine solche Bestandsaufnahme lässt sich in wenigen Gesprächen mit den Mitarbeitern durchführen, die im Alltag am häufigsten mit Text- oder Rechercheaufgaben zu tun haben.
Ein produktiver Arbeitsablauf zeichnet sich dadurch aus, dass er wiederholbar, dokumentiert und ohne ständige Neuerfindung nutzbar ist. Die KI übernimmt darin eine klar umrissene Teilaufgabe innerhalb eines größeren Prozesses, etwa die Zusammenfassung eingehender Kundenanfragen, die Vorstrukturierung von Rechnungsdaten oder die erste Sichtung von Bewerbungsunterlagen. Entscheidend ist die Einbettung: Die Eingabedaten kommen aus einer definierten Quelle, etwa einem E-Mail-Postfach, einem Formular oder einem Dokumentenordner, und die Ausgabe der KI landet an einer festen Stelle weiter, etwa in einem Ticketsystem oder einer Tabelle, auf die andere Mitarbeiter direkt zugreifen.
Der Unterschied zur Einzelanwendung liegt also nicht in der eingesetzten Technologie, sondern in der Klammer drumherum. Genau hier setzt auch die Frage nach dem richtigen Werkzeug an, denn nicht jedes Modell eignet sich gleich gut für jeden Anwendungsfall. Wer sich einen Überblick verschaffen will, welches Modell für welchen Zweck sinnvoll ist, findet dazu vertiefende Hinweise im Beitrag Welche KI für welchen Anwendungsfall im Unternehmen passt. Die Wahl des Modells ist dabei nachrangig gegenüber der Frage, wie die Ein- und Ausgabe technisch angebunden werden, denn ein leistungsfähiges Modell ohne Anbindung bleibt trotzdem eine Einzelanwendung.
Technisch sinnvoller ist es, zuerst den Zielprozess und die beteiligten Systeme zu klären und erst danach das passende KI-Werkzeug auszuwählen. Andernfalls muss sich die Anbindung nach dem Werkzeug richten statt umgekehrt. Wird zuerst ein Tool angeschafft und erst danach überlegt, wo es eingesetzt werden könnte, entstehen Insellösungen, die sich nicht mit der bestehenden Systemlandschaft verbinden lassen. Diese Reihenfolge lässt sich auch daran erkennen, dass ein Werkzeug ohne definierten Zielprozess meist nur von einzelnen, technikaffinen Mitarbeitern genutzt wird, während der Rest des Teams beim gewohnten manuellen Ablauf bleibt.
Nicht jeder Arbeitsablauf ist gleich gut geeignet, um mit KI-Unterstützung automatisiert zu werden. Prozesse mit hoher Wiederholrate, klaren Eingabeformaten und überschaubarer Fehlertoleranz eignen sich für den Einstieg besser als komplexe Einzelfallentscheidungen. Typische Kandidaten sind die Vorsortierung eingehender E-Mails nach Dringlichkeit, die Erstellung erster Antwortentwürfe auf wiederkehrende Kundenfragen, die Extraktion von Kerndaten aus Rechnungen oder Lieferscheinen sowie die Protokollierung von Besprechungen.
Bei der Kommunikation über Messenger-Kanäle zeigt sich das Prinzip besonders deutlich: Antwortvorschläge, die automatisch aus dem Gesprächsverlauf generiert werden, können die Reaktionszeit spürbar verkürzen, wenn sie in den bestehenden Kommunikationskanal eingebettet sind, statt in einer separaten Anwendung zu laufen. Wie sich das konkret für WhatsApp als Kanal umsetzen lässt, beschreibt der Beitrag KI-Antwortvorschläge für die Kundenkommunikation über WhatsApp. Ähnliches gilt für die automatisierte Verarbeitung von Dokumenten, bei der die Frage nach Struktur und Strategie am Anfang stehen sollte, bevor ein Tool ausgewählt wird. Siehe dazu auch den Beitrag zur Strategie für KI-gestützte Dokumentenverarbeitung.
Der Fraunhofer IAO weist in seiner Untersuchung zu generativer KI im Mittelstand darauf hin, dass sich der Nutzen solcher Anwendungen besonders dort zeigt, wo textbasierte, repetitive Aufgaben einen erheblichen Anteil der Arbeitszeit ausmachen [3]. Wer im eigenen Betrieb einen Einstiegsprozess sucht, sollte daher zunächst prüfen, welche Tätigkeit regelmäßig, in ähnlicher Form und mit überschaubarem Risiko bei Fehlern anfällt. Eine ungünstige Reihenfolge entsteht, wenn zuerst der komplexeste oder unternehmenskritischste Prozess automatisiert werden soll, weil dort der größte Nutzen vermutet wird. Der Aufwand für Testläufe und Fehlerkorrektur steigt bei komplexen Prozessen deutlich stärker an als der Lerneffekt, den ein Team in der ersten Einführungsphase gewinnen kann, sodass ein einfacherer Einstiegsprozess die tragfähigere Wahl ist.
Um die Wirkung eines produktiven Arbeitsablaufs greifbar zu machen, lohnt sich eine Modellrechnung mit angenommenen Werten für einen typischen Vorgang: die Bearbeitung eingehender Kundenanfragen per E-Mail in einem Betrieb mit zehn vergleichbaren Anfragen pro Woche. Angenommen wird, dass ein Mitarbeiter ohne KI-Unterstützung pro Anfrage zunächst die E-Mail liest, die relevanten Informationen im Kundensystem nachschlägt, eine Antwort formuliert und diese vor dem Versand noch einmal prüft. Mit einem eingebetteten Arbeitsablauf entfällt das Nachschlagen, und der erste Antwortentwurf wird automatisch erstellt, sodass nur noch die Prüfung und gegebenenfalls eine Anpassung bleiben.
Die folgende Tabelle stellt den Vorgang vor und nach der Einführung eines eingebetteten Arbeitsablaufs als Modellrechnung mit angenommenen Werten gegenüber, die keinen realen Kundenfall abbilden.
| Position | Vorher (ohne Einbettung) | Nachher (eingebetteter Ablauf) |
|---|---|---|
| Anfragen pro Woche | 10 | 10 |
| Nachschlagen der Kundendaten je Anfrage | erforderlich bei jeder Anfrage | entfällt, da Daten automatisch angezeigt werden |
| Anteil der Anfragen mit vollständig manuellem Antwortentwurf | 10 von 10 | 2 von 10 (nur Sonderfälle) |
| Anteil der Anfragen, die nur noch geprüft/leicht angepasst werden | 0 von 10 | 8 von 10 |
| Korrekturrunden bis zur Freigabe je Anfrage | bis zu 2 | in der Regel 1 |
| Kalenderzeit bis Antwortversand ab Eingang | teils bis zum nächsten Arbeitstag | in der Regel am selben Tag |
Diese Beispielrechnung zeigt, dass sich die Verschiebung nicht in einer pauschalen Zeitangabe ausdrückt, sondern im Verhältnis der Anfragen, die noch vollständig manuell bearbeitet werden müssen, zu jenen, die nur noch geprüft werden. Aus zehn von zehn vollständig manuellen Vorgängen werden im angenommenen Szenario zwei von zehn, während acht von zehn nur noch eine Prüfung durchlaufen. Über mehrere Wochen und Monate hinweg wirkt sich diese Verschiebung im Tagesgeschäft aus, insbesondere dann, wenn die frei werdende Zeit für Anfragen genutzt wird, die tatsächlich Fachwissen erfordern. Wichtig ist die Einschränkung, dass die Zahlen ein angenommenes Szenario abbilden und je nach Ausgangslage, Anfragevolumen und Komplexität der Anfragen im eigenen Betrieb abweichen können.
Für den Vergleich unterschiedlicher Automatisierungsansätze bei wiederkehrenden Kundenkontakten lohnt zudem ein Blick auf den Beitrag zum Einsatz von Chatbots zur Senkung manueller Bearbeitungskosten, der einen ähnlichen Ansatz für die Erstkontaktphase beschreibt.
Bevor ein Arbeitsablauf mit KI-Unterstützung produktiv geschaltet wird, müssen mehrere Punkte geklärt sein, die über Erfolg oder Scheitern der Einführung entscheiden. Dazu zählen die Datenquelle, aus der die KI ihre Eingaben bezieht, die Zielsysteme, in die das Ergebnis einfließt, die Frage der Freigabe, wer die Ausgabe der KI vor der Weiterverwendung prüft, sowie die Dokumentation, wie mit Fehlern der KI umgegangen wird. Wer diese Punkte vor dem technischen Aufbau klärt, vermeidet, dass ein fertig eingerichteter Ablauf im Nachhinein wieder umgebaut werden muss, weil beispielsweise die Freigabeinstanz fehlt oder die Datenquelle nicht die erforderliche Qualität liefert.
Die folgende Checkliste fasst zusammen, welche Punkte vor der produktiven Einführung eines KI-gestützten Arbeitsablaufs geprüft werden sollten und wann im Projektverlauf dies sinnvollerweise geschieht.
| Prüfpunkt | Worauf zu achten ist | Wann prüfen |
|---|---|---|
| Datenquelle und -qualität | Sind Eingabedaten strukturiert genug und vollständig verfügbar? | Vor der Werkzeugauswahl |
| Zielsystem und Schnittstelle | Kann das Ergebnis automatisiert an das Zielsystem übergeben werden? | Vor der Werkzeugauswahl |
| Verantwortlichkeit für Freigabe | Wer prüft die KI-Ausgabe, bevor sie wirksam wird? | Vor dem ersten Testlauf |
| Umgang mit Fehlern | Gibt es eine dokumentierte Eskalationsregel bei falschen Ergebnissen? | Vor dem produktiven Start |
| Datenschutz und Vertraulichkeit | Dürfen die eingegebenen Daten an den KI-Anbieter übermittelt werden? | Vor der Werkzeugauswahl |
| Schulung der Nutzer | Wissen die Mitarbeiter, wie sie mit Fehlausgaben umgehen? | Vor dem produktiven Start |
| Messung des Nutzens | Ist eine Kennzahl definiert, mit der der Effekt überprüft wird? | Direkt nach dem produktiven Start |
Der Punkt Datenschutz wird bei der Einführung von KI-Anwendungen leicht nachrangig behandelt, weil der erste Testlauf meist mit unkritischen Beispieldaten erfolgt. Sobald der Ablauf jedoch mit echten Kundendaten arbeitet, muss geklärt sein, ob und in welcher Form Daten an externe Anbieter übermittelt werden. Wer diese Klärung erst nach der produktiven Einführung nachholt, riskiert einen Rückbau des gesamten Ablaufs, wenn sich herausstellt, dass bestimmte Daten nicht hätten übermittelt werden dürfen. Für einen strukturierten Einstieg in die Automatisierung ganzer Teilprozesse, nicht nur einzelner KI-Aufgaben, bietet sich außerdem der Beitrag zur Bewertung von No-Code-Automatisierung im Unternehmen an, der die technische Seite der Anbindung vertieft.
Ein wiederkehrender Stolperstein bei der Einführung von KI-gestützten Arbeitsabläufen liegt in der Reihenfolge von Testphase und Rollout. Wird ein Ablauf direkt für die gesamte Belegschaft freigeschaltet, ohne zuvor mit einer kleinen Gruppe und einer begrenzten Zahl von Vorgängen getestet zu haben, zeigen sich Fehler in der Datenanbindung oder in der Qualität der KI-Ausgabe erst, wenn bereits viele Vorgänge betroffen sind. Der Grund dafür liegt darin, dass KI-Modelle bei Eingabeformaten, die von der Testphase abweichen, unvorhersehbare Ergebnisse liefern können, was bei einem breiten Rollout schwerer zu korrigieren ist als bei einer kleinen Testgruppe.
Ein weiterer Fallstrick betrifft die Erwartungshaltung an die Fehlerquote. Wird von der KI eine fehlerfreie Bearbeitung erwartet, führt bereits die erste falsche Ausgabe zu einem Vertrauensverlust im Team, und der Ablauf wird verworfen, obwohl er im Durchschnitt einen klaren Zeitvorteil bringt. Sinnvoller ist es, von vornherein eine Fehlerquote einzuplanen und die Freigaberoutine so zu gestalten, dass Fehler vor der Weiterverarbeitung auffallen, statt danach behoben werden zu müssen. Das bedeutet auch, dass die Prüfinstanz nicht als lästige Formalität behandelt werden sollte, sondern als fester Bestandteil des Ablaufs, der die Fehlerquote im produktiven Betrieb abfängt.
Auch die Frage, welches konkrete Modell hinter dem Arbeitsablauf steht, birgt eine Stolperfalle, die bei der Planung selten mitgedacht wird: Anbieter ändern Konditionen, Modellversionen oder Nutzungsgrenzen mitunter kurzfristig, was Auswirkungen auf einen bereits eingebetteten Ablauf haben kann. Wie sich solche Änderungen auf unternehmensseitige Abläufe auswirken können, zeigt beispielhaft der Beitrag zur Preisänderung bei Claude Code und deren Folgen für Unternehmen. Wer einen Arbeitsablauf so aufbaut, dass das zugrunde liegende Modell austauschbar bleibt, reduziert die Abhängigkeit von einem einzelnen Anbieter und damit das Risiko, bei einer Preis- oder Funktionsänderung den gesamten Ablauf neu konzipieren zu müssen.
Ohne eine klare Kennzahl bleibt die Bewertung eines neu eingeführten Arbeitsablaufs subjektiv und hängt vom Eindruck einzelner Mitarbeiter ab. Sinnvoller ist es, vor dem produktiven Start festzulegen, woran der Erfolg gemessen wird, etwa an der Zahl der Vorgänge, die ohne vollständige manuelle Neubearbeitung durchlaufen, an der Kalenderzeit bis zur Bearbeitung eines Vorgangs oder an der Zahl der Korrekturrunden bis zur Freigabe. Diese Kennzahlen lassen sich, wie in der Modellrechnung oben gezeigt, ohne komplexe Auswertungssysteme erheben, wenn der Ablauf von Anfang an so protokolliert wird, dass die entsprechenden Vorgänge gezählt werden können.
Die eigenen Erfahrungswerte aus über 60 umgesetzten Projekten in drei Jahren zeigen, dass Kunden im Schnitt rund zehn Stunden manuelle Arbeit pro Woche einsparen, wenn ein Arbeitsablauf konsequent von der Datenquelle bis zum Zielsystem durchdacht und eingebettet wird, statt als isoliertes Werkzeug genutzt zu werden. Diese Größenordnung lässt sich nicht pauschal auf jeden Betrieb übertragen, sie verdeutlicht aber, dass der Effekt eines gut eingebetteten Ablaufs über die reine Zeitersparnis bei der Texterstellung hinausgeht und sich auf mehrere Schritte im Prozess erstreckt, vom Nachschlagen über die Formulierung bis zur Übertragung ins Zielsystem.
Auch die Logistikbranche liefert Hinweise darauf, wie sich KI-Anwendungen über einzelne Werkzeuge hinaus in Abläufe integrieren lassen. Das Fraunhofer IML beschreibt in seiner Übersicht zu KI in der Logistik verschiedene Anwendungsfelder, in denen KI-Modelle nicht als Einzelwerkzeug, sondern als Bestandteil bestehender Planungs- und Steuerungsprozesse eingesetzt werden [4]. Das Prinzip lässt sich auf andere Branchen übertragen: Der Nutzen entsteht nicht durch die Existenz der KI-Anwendung an sich, sondern durch ihre Stellung im Ablauf, also die Frage, an welcher Stelle sie eine Entscheidung vorbereitet oder eine Aufgabe übernimmt, die vorher manuell erledigt wurde. Wer den Ausbau eines solchen Ablaufs plant, sollte zudem regelmäßig prüfen, ob neue Werkzeuge, etwa im Bereich der automatisierten Transkription von Besprechungen oder Kundengesprächen, zusätzliche Teilschritte im bestehenden Ablauf ersetzen können. Ein Beispiel dafür liefert der Beitrag zu neuen KI-Modellen für Transkription im Unternehmen, der zeigt, wie sich ein weiterer manueller Schritt, das Protokollieren von Gesprächen, in einen automatisierten Ablauf einbetten lässt.
Nein, für die meisten Anwendungsfälle im Mittelstand reicht die Anbindung bestehender Modelle über Schnittstellen aus. Ein eigenes Modell zu entwickeln oder zu trainieren lohnt sich nur bei sehr spezifischen Anforderungen, die mit vorhandenen Werkzeugen nicht abgedeckt werden können. Entscheidender als die Modellwahl ist die saubere Einbettung in bestehende Datenquellen und Zielsysteme.
Die Dauer hängt von der Komplexität des Prozesses, der Zahl der beteiligten Systeme und der Verfügbarkeit sauberer Eingabedaten ab. Ein einfacher Ablauf mit einer Datenquelle und einem Zielsystem lässt sich nach einer kurzen Testphase mit begrenzter Nutzergruppe zügig produktiv schalten, während Abläufe mit mehreren Schnittstellen und Freigabeinstanzen entsprechend mehr Abstimmung benötigen. Eine belastbare Einschätzung für den eigenen Fall ergibt sich am ehesten nach einer Analyse der konkreten Ausgangslage.
Ja, auch kleine Betriebe können von eingebetteten Arbeitsabläufen profitieren, wenn sie wiederkehrende Aufgaben mit ausreichendem Volumen identifizieren. Zwar setzen laut Angaben des Statistischen Bundesamts größere Unternehmen KI-Technologien deutlich häufiger ein als kleinere [1], das liegt jedoch eher an vorhandenen Strukturen als an fehlender Eignung kleiner Betriebe. Wichtig ist, mit einem klar abgegrenzten Prozess zu starten statt mit einem zu komplexen Vorhaben.
Das hängt von der Art der Daten und den vertraglichen Vereinbarungen mit dem jeweiligen Anbieter ab, insbesondere bei personenbezogenen oder vertraulichen Kundendaten. Vor der produktiven Einführung eines Ablaufs sollte deshalb geklärt sein, welche Datenkategorien verarbeitet werden dürfen und ob eine Anonymisierung oder Pseudonymisierung vor der Übermittlung notwendig ist. Diese Klärung gehört an den Anfang des Projekts, nicht an dessen Ende.
Das zeigt sich an der Zahl der Vorgänge, die noch vollständig manuell nachbearbeitet werden müssen, im Verhältnis zu jenen, die nur noch geprüft werden. Bleibt der Anteil der vollständigen Nachbearbeitung hoch, obwohl der Ablauf bereits produktiv läuft, deutet das auf eine unzureichende Anbindung an die Datenquelle oder auf ein ungeeignetes Eingabeformat hin. Eine einfache Zählung dieser Anteile über einige Wochen liefert eine belastbarere Aussage als der subjektive Eindruck einzelner Mitarbeiter.
Unverbindliches Erstgespräch zur Prozessautomatisierung vereinbaren
Abdullah hat Wirtschaftsinformatik (B.Sc.) studiert und verantwortet bei Socialeap den Bereich Prozessautomatisierung. Jede Lösung wird zu 100 % auf den jeweiligen Kunden zugeschnitten – kein Standardpaket, sondern Systeme, die exakt auf die bestehenden Abläufe im Unternehmen passen. Kunden sparen dadurch im Durchschnitt 10 Stunden pro Woche. Abdullah ist bei jedem Automatisierungsprojekt persönlich am Aufbau beteiligt. Auf diesem Blog schreibt er über Automatisierung, Prozessoptimierung und die Frage, wo Zeit im Tagesgeschäft tatsächlich verloren geht.
